首頁載入中
LESSON 1 / 5免費試讀
觀看此直播課程，說明如何開始使用本模組：
這是您使用 LangChain4j 和 Azure OpenAI 的起點。我們從基礎開始，逐步構建生產級應用程式。本模組專注於會記憶上下文且維持狀態的對話式 AI——這是後續所有模組的基礎概念。
整個指南中，我們將使用 Azure OpenAI 的 GPT-5.2，因為其強大的推理能力能讓不同模式的行為差異更為明顯。當您加入記憶功能時，即可明確看出差異。這讓您更容易理解每個組件如何強化您的應用程式。
您將建立一個示範兩種模式的應用：
無狀態聊天 - 每個請求彼此獨立。模型不會記憶先前訊息。這是最簡單的起點。
有狀態對話 - 每次請求包含對話歷史。模型跨多輪保持上下文。這是生產應用所需。
注意： 提供的開發容器中已預先安裝 Java、Maven、Azure CLI 和 Azure Developer CLI (azd)。
注意： 本模組使用 Azure OpenAI 上的 GPT-5.2。部署會透過
azd up自動設定，請勿在程式碼中修改模型名稱。
語言模型是無狀態的。每個 API 呼叫都是獨立的。如果您說「我的名字是 John」，接著問「我叫什麼名字？」，模型其實不知道您剛剛自我介紹。它會把每個請求視為您人生中第一次對話。
這對簡單問答問題沒問題，但對實際應用卻毫無用處。客服聊天機器人需要記憶您告訴他的資訊。個人助理需要上下文。任何多輪對話都需要記憶。
下面圖示對比兩種做法——左邊是無狀態呼叫，會忘記您的名字；右邊是有 ChatMemory 支援的有狀態呼叫，記得您的名字。
無狀態（獨立呼叫）與有狀態（上下文感知）對話的差異
在探討對話前，先了解 tokens －語言模型處理文本的基本單位，非常重要：
文本如何拆解成 tokens 的範例 — 「I love AI!」變成 4 個獨立處理單位
tokens 是 AI 模型衡量與處理文本的方式。字詞、標點符號甚至空格都能成為 tokens。您的模型一次可處理的 token 數有限（GPT-5.2 為 40 萬，輸入最高 272,000，輸出最高 128,000）。了解 tokens 有助於管理對話長度與花費。
聊天記憶解決了無狀態問題，維持對話歷史。在您送出請求給模型前，框架會先放入相關的先前訊息。當您問「我叫什麼名字？」時，系統會把整個對話歷史送出，讓模型知道您之前說過「我的名字是 John」。
LangChain4j 提供的記憶實作會自動處理這些問題。您可以設定保留的訊息數量，框架會管理上下文視窗。下圖顯示 MessageWindowChatMemory 如何維持近期訊息的滑動視窗。
MessageWindowChatMemory 維持近期訊息的滑動視窗，自動丟棄舊訊息
本模組整合了 Spring Boot 並加入對話記憶。整體架構如下：
相依套件 - 新增兩個 LangChain4j 函式庫：
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j</artifactId> <!-- Inherited from BOM in root pom.xml -->
</dependency>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-open-ai-official</artifactId> <!-- Inherited from BOM in root pom.xml -->
</dependency>
聊天模型 - 配置 Azure OpenAI 為 Spring bean (LangChainConfig.java)：
@Bean
public OpenAiOfficialChatModel openAiOfficialChatModel() {
return OpenAiOfficialChatModel.builder()
.baseUrl(azureEndpoint)
.apiKey(azureApiKey)
.modelName(deploymentName)
.timeout(Duration.ofMinutes(5))
.maxRetries(3)
.build();
}
建構器會從 azd up 設定的環境變數讀取憑證。設定 baseUrl 為您的 Azure 端點可讓 OpenAI 用戶端正確使用 Azure OpenAI。
對話記憶 - 使用 MessageWindowChatMemory 跟蹤聊天歷史 (ConversationService.java)：
ChatMemory memory = MessageWindowChatMemory.withMaxMessages(10);
memory.add(UserMessage.from("My name is John"));
memory.add(AiMessage.from("Nice to meet you, John!"));
memory.add(UserMessage.from("What's my name?"));
AiMessage aiMessage = chatModel.chat(memory.messages()).aiMessage();
memory.add(aiMessage);
建立時調用 withMaxMessages(10) 保留最近 10 則訊息。使用帶型別包裝的方式新增使用者和 AI 訊息：UserMessage.from(text) 和 AiMessage.from(text)。透過 memory.messages() 取得歷史訊息，再送至模型。服務會依對話 ID 儲存不同記憶實體，允許多用戶同時聊天。
🤖 嘗試用 GitHub Copilot 聊天： 打開
ConversationService.java，問：
- 「MessageWindowChatMemory 滑動視窗滿時如何決定丟棄哪些訊息？」
- 「我可以用資料庫實作自訂記憶存儲取代記憶體中儲存嗎？」
- 「要如何加入摘要功能以壓縮舊的對話歷史？」
無狀態聊天端點完全跳過記憶，像快篩一樣直接呼叫 chatModel.chat(prompt)。有狀態端點會將訊息加入記憶，抓取歷史並在每次請求中包含上下文。模型設定同樣，模式不同。
Bash 指令：
cd 01-introduction
azd up # 選擇訂閱和位置（建議使用 eastus2）
PowerShell 指令：
cd 01-introduction
azd up # 選擇訂閱和位置（建議使用 eastus2）
注意： 若遇到逾時錯誤（
RequestConflict: Cannot modify resource ... provisioning state is not terminal），只需再執行一次azd up。Azure 資源可能還在背景佈建，重試即可等資源進入最終狀態完成佈署。
此步驟會：
.env 憑證檔案部署有問題？ 請參考 Infrastructure README 詳盡故障排除說明，包括子網域名稱衝突、手動 Azure 入口網站部署步驟及模型設定指導。
驗證部署成功：
Bash 指令：
cat ../.env # 應該顯示 AZURE_OPENAI_ENDPOINT、API_KEY 等。
PowerShell 指令：
Get-Content ..\.env # 應該顯示 AZURE_OPENAI_ENDPOINT、API_KEY 等等。
注意：
azd up會自動生成.env檔。若日後需更新，您可手動編輯.env或重新生成：Bash 指令：
cd .. bash .azd-env.shPowerShell 指令：
cd .. .\.azd-env.ps1
驗證部署：
確保根目錄存在含 Azure 憑證的 .env 檔。於模組目錄（01-introduction/）執行：
Bash 指令：
cat ../.env # 應該顯示 AZURE_OPENAI_ENDPOINT、API_KEY、DEPLOYMENT
PowerShell 指令：
Get-Content ..\.env # 應該顯示 AZURE_OPENAI_ENDPOINT、API_KEY、DEPLOYMENT
啟動應用程式：
選項 1：使用 Spring Boot Dashboard（建議 VS Code 使用者）
開發容器內含 Spring Boot Dashboard 擴充套件，提供視覺化介面管理所有 Spring Boot 應用程式。可在 VS Code 左側活動列找到（尋找 Spring Boot 圖示）。
透過 Spring Boot Dashboard，您可以：
只要點擊「introduction」旁的播放按鈕即可啟動本模組，或同時啟動所有模組。
VS Code 中的 Spring Boot Dashboard — 從同一介面啟動、停止與監控所有模組
選項 2：使用 shell 指令腳本
啟動所有 Web 應用（模組 01-04）：
Bash 指令：
cd .. # 從根目錄開始
./start-all.sh
PowerShell 指令：
cd .. # 從根目錄開始
.\start-all.ps1
或僅啟動本模組：
Bash 指令：
cd 01-introduction
./start.sh
PowerShell 指令：
cd 01-introduction
.\start.ps1
兩個腳本會自動從根目錄 .env 讀取環境變數，且若 JAR 檔不存在會進行編譯。
注意： 若您想在啟動前手動建置所有模組：
Bash 指令：
cd .. # Go to root directory mvn clean package -DskipTestsPowerShell 指令：
cd .. # Go to root directory mvn clean package -DskipTests
開啟瀏覽器並造訪 http://localhost:8080 。
停止應用：
Bash 指令：
./stop.sh # 僅限此模組
# 或
cd .. && ./stop-all.sh # 所有模組
PowerShell 指令：
.\stop.ps1 # 僅此模組
# 或
cd ..; .\stop-all.ps1 # 所有模組
應用程式提供 Web 介面，並排展示兩種聊天實作。
儀錶板呈現「簡單聊天（無狀態）」和「對話式聊天（有狀態）」選項
先試試這個。輸入「我的名字是 John」，接著立刻問「我叫什麼名字？」模型不會記住，因每則訊息獨立。這說明基本語言模型整合的核心問題 — 無上下文。
AI 不會記得您剛剛告訴它的名字
現在在這裡試同樣的流程。輸入「我的名字是 John」，再問「我叫什麼名字？」這次它會記住。關鍵是 MessageWindowChatMemory — 它維持會話歷史並包含在每次請求中。這是生產級對話 AI 的運作方式。
AI 會記得您先前對話中的名字
兩個面板皆使用相同 GPT-5.2 模型。唯一不同是記憶。這清楚呈現記憶為應用程式帶來的功能及為何真實應用必須。
內容來源:本頁取自 Microsoft 開源課程
LangChain4j for Beginners
官方的繁體中文版(translations/zh-TW),原文連結:https://github.com/microsoft/LangChain4j-for-Beginners/blob/main/translations/zh-TW/01-introduction/README.mdMIT License, Copyright (c) Microsoft Corporation。
該繁中版由 Microsoft 以 AI 翻譯服務 Co-op Translator
產生,自動翻譯可能有誤差,以英文原文為準。
本頁是碼力獅社群的轉載與編排(調整連結與圖片路徑、附上重點整理),
非重新翻譯,也不是 Microsoft 官方版本;用詞與標點一律照原樣保留。
程式碼範例請直接使用原始 repo(Java 21、Maven、Spring Boot,需要 Azure OpenAI 訂閱)。
ChatMemory 做的事只是「把先前訊息重新塞回下一次請求」。MessageWindowChatMemory 維持固定筆數的滑動視窗,超出上限自動丟棄最舊的訊息;這是最簡單的記憶策略,換來的代價是長對話會忘記早期內容。memory.messages() 一起送出去 —— 差異完全在應用層,不在模型層。